计算连续小波变换：

显示第8个倍频程的所有音频：

用 Normal 显式得到所有的小波系数：

使用 All 作为自变量得到所有系数：

使用 "IndexMap" 找到可用的小波系数：

提取具体的系数数组：

提取对应于小波索引指定列表的多个小波系数：

提取小波索引与一个模式匹配的全部系数：

WaveletScalogram 给出小波系数的时间尺度表示：

每个倍频程上较多的音频数将增加尺度解析：

较高的倍频程数给出较宽的尺度范围频谱：

一个单一频率显示为在等价尺度上的水平带：

多重频率显示为等价尺度上的多重带：

频率线性增加的正弦曲线：

小波变换给出特征的良好时间局部化：

较高阶频率在较低倍频程上被解析；较低阶频率在较高倍频程上被解析：

解析一个信号的时间与频率特征：

使用 GaborWavelet 进行连续小波变换：

尺度值与频率值之间存在一个逆关系：

得到解析20到70 赫兹之间频率的数对 {oct,voc}：

利用 WaveletScalogram 验证：

利用不同的小波族计算小波变换：

狭窄的小波函数具有良好的时间与尺度解析：

宽小波函数的时间与尺度解析较差：

使用不同的小波族捕捉不同的特征：

MexicanHatWavelet（缺省）：

DGaussianWavelet：

GaborWavelet：

MorletWavelet：

PaulWavelet：

ContinuousWaveletTransform 作为输入作用于 Sound：

利用 ContinuousWaveletTransform 进行语音分析：

桔色的团块区域对应于语句“You will return safely to Earth”：

提取倍频程 5 和 6：

Padding 的设置与 ArrayPad 中的方法相同，包括 "Periodic"：

"Reversed"：

"ReversedNegation"：

"Reflected"：

"ReflectedDifferences"：

"ReversedDifferences"：

"Extrapolated"：

Padding 对小波系数的长度没有影响：

Padding 将输入数据填充入2的第二个较高次幂以减少边界效应：

起始位置的边界效应：

终止位置的边界效应：

WaveletScale 表示用于变换的最小可解析尺度：

所用尺度以 的形式给出，其中 为小波尺度， 为倍频程， 为音频：

对于列表，SampleRate 的 Automatic 值设为1：

显式设置样本率：

对于 Sound 数据，SampleRate 的 Automatic 值从 Sound 数据对象中提取：

SampleRate 用于小波变换系数的标准化：

默认情况下，使用 WorkingPrecision->MachinePrecision：

使用更高精度计算：

真实的小波函数可用于隔离峰值或不连续点：

复数小波可用于捕捉振荡行为：

小波系数的振幅：

小波系数的相位：

ContinuousWaveletTransform 可用于滤波频率：

滤波频率为 的余弦：

关于一个阈值数据对象进行 InverseContinuousWaveletTransform：

滤波后的最终信号：

利用量表识别音符：

生成一系列与300赫兹处的等调和音阶相对应的节拍：

计算根据八度音和话音分解的频率：

求分解300赫兹频率的 {oct,voc} 对：